Où vont les données confiées à l’IA ? Le modèle les mémorise-t-il ? Quelqu’un d’autre peut-il les voir ? Tout part de ce qu’est un modèle, physiquement.
La question de la sécurité des données dans l’IA est légitime et mérite mieux que « nos systèmes sont sécurisés ». Pour vraiment comprendre ce qu’il advient des données que vous transmettez à un modèle, il faut d’abord savoir ce qu’est un modèle. Pas au sens marketing, mais au sens physique.
Couche 01
Un modèle est un fichier. Un gros fichier de nombres.
Avant de répondre à votre question, le modèle doit exister quelque part. Et il existe sous une forme étonnamment banale : un fichier sur un disque. Il contient des milliards de nombres, chacun ayant encodé un motif appris pendant l’entraînement. Aucune phrase, aucun souvenir, aucun tableau. Seulement des nombres. Pour un grand modèle, ce fichier pèse de quelques dizaines à plusieurs centaines de gigaoctets.
Pour que le modèle fonctionne, ce fichier est chargé dans la mémoire des cartes graphiques (GPU) d’un centre de données. Pas sur un serveur ordinaire, mais sur des machines spécialisées réunissant des dizaines de cartes. Une seule de vos questions déclenche une opération mathématique sur des milliards de ces nombres, exécutée en parallèle, en une fraction de seconde.
Le fichier de poids ne change pas pendant votre conversation. C’est comme lancer un programme : le programme s’exécute, mais le fichier sur le disque reste intact. Vos données entrent comme entrée, le résultat sort comme réponse. Le modèle revient à son point de départ.
Couche 02
La fenêtre de contexte, une mémoire de travail temporaire
Si le modèle est un fichier de nombres figé, comment « sait »-il ce que vous demandez ? Grâce à la fenêtre de contexte : un espace temporaire qui reçoit tout ce qui participe à la conversation en cours. Votre question, l’historique de cet échange, les données récupérées via MCP, les instructions système. Tout cela est présent en même temps, comme des documents étalés sur le bureau d’un expert.
Quand la conversation se termine, le bureau est débarrassé. Rien ne reste dans le modèle. Rien n’est écrit dans les poids. La conversation suivante commence sur un bureau vide.
Couche 03
Les vecteurs : un mot plus inquiétant qu’il n’y paraît
Quand on parle d’IA, les mots « vecteur » ou « vector store » reviennent souvent. Ils sonnent technique et suscitent de l’inquiétude. En réalité, il s’agit d’une manière de transformer du sens en nombres.
Imaginez un espace à plusieurs dimensions dans lequel chaque mot et chaque phrase a sa place. Les mots de sens proche sont voisins. « Facture » et « reçu » : proches. « Recettes » et « revenus » : proches. « Chien » et « tracteur » : éloignés. Un vecteur, c’est simplement un ensemble de coordonnées dans cet espace.
Un vector store est une base de ces représentations, utilisée quand on veut que le modèle retrouve rapidement le bon passage dans un grand ensemble de documents. Mais le modèle n’« habite » pas cette base et ne l’absorbe pas. Il la consulte, place ce dont il a besoin dans la fenêtre de contexte et répond. C’est un dictionnaire, pas une mémoire.
Couche 04
Calculatrice, machine statistique ou autre chose ?
Maintenant que l’on voit comment le modèle fonctionne physiquement, on peut répondre honnêtement à la question du titre. Une calculatrice est déterministe : la même entrée donne toujours la même sortie, sans aucune compréhension du contexte. Une machine statistique cherche des motifs dans les chiffres, mais ne relie pas les concepts. Un modèle de langage fait une troisième chose : il comprend le sens, relie les contextes, raisonne. En revanche, il ne vous mémorise pas et n’apprend pas de vous en temps réel.
L’image la plus juste est celle d’un expert sans mémoire épisodique. Il a tout lu, mais chaque rendez-vous repart de zéro. Vous apportez des documents, il les examine avec vous, puis il s’en va. Il ne les emporte pas. Il ne les partage pas avec le client suivant.
Couche 05
Ce que cela implique pour la sécurité de vos données
Sans consentement à l’entraînement du modèle, vos données n’entrent pas dans les poids. Elles ne mettent pas à jour le modèle général et ne deviennent pas une partie des connaissances utilisées par d’autres utilisateurs. Le modèle qui a répondu à votre question aujourd’hui est identique à celui d’avant votre conversation.
Vos données transitent par l’infrastructure du fournisseur. Physiquement, par ses serveurs. Le fournisseur voit les appels API. La question de la sécurité se déplace alors de la technique vers les contrats, la juridiction et la politique de confidentialité, et non vers « le modèle va-t-il retenir mes données ».
La réponse à la question du titre
Vous n’achetez ni une calculatrice ni une machine statistique. Vous achetez une intelligence figée avec un accès temporaire à vos données.
Le modèle n’apprend pas de vous. Il ne mémorise pas vos données. Il ne les partage pas avec d’autres. Ce que vous placez dans la conversation ne vit que le temps de cette conversation, puis disparaît. Le fichier de poids sur le disque reste inchangé.
La vraie question de sécurité n’est pas « le modèle va-t-il retenir mes secrets ». C’est plutôt : « à qui je fais confiance pour voir mes appels API, et ce contrat me protège-t-il ». Une question pour un juriste et pour la politique de confidentialité du fournisseur, pas pour l’architecture du modèle.
DataOrganizer · MCP
DataOrganizer connecte le modèle aux données de votre boutique via MCP, sans entraîner le modèle sur vos données et sans stockage superflu.